1.一种基于ADS的知识神经网络微带滤波器设计方法，其特征在于，包括以下步骤：第一步：知识神经网络的建模

1)训练样本的获取

将ADS的仿真结果作为先验知识，构造知识神经网络，知识神经网络的教师信号由高频结构仿真HFSS获得；

2)知识神经网络的构造

知识神经网络由输入层、隐层、输出层构成，所述隐层的神经元分为传统神经元和先验知识神经元，所述输入层与传统神经元连接，所述传统神经元与输出层连接，所述先验知识神经元与输出层连接，所述输入层与先验知识神经元无连接；

知识神经网络为n×m×1的结构，其输入为xi(i＝1,2,…,n)；隐层的先验知识神经元的个数为p，输出为hkj(j＝1,2,…,p)；隐层的传统神经元的个数为q(p+q＝m)，输出为hk(k＝

1,2,…,q)；知识神经网络设为一输出网络，输出为y；传统神经元其输入定义为：xhk＝ωikxi+bk,i＝1,2,…,n,k＝1,2,…,q其中ωik为输入层和传统神经元的连接权值，bk为阈值；

传统神经元的激励函数选用Sigmoid函数，输出为：Sigmoid函数的增益λ＝1；

知识神经网络输出为各隐层加权之和，即：

y＝ωjhkj+ωkhk+b,j＝1,2,…,p,k＝1,2,…,q其中ωj为隐层的先验知识神经元与输出层的连接权值，ωk为隐层的传统神经元与输出层的连接权值，b为阈值；

知识神经网络的输出为正向传输系数S21，输入反射系数S11和正向传输系数S21存在如下关系：S112+S212＝1

隐层的先验知识神经元的个数为2，分别取输入反射系数S11和正向传输系数S21；

3)知识神经网络的学习

知识神经网络构造好以后，采用粒子群算法对权值和阈值更新，当迭代达到最大次数或者均方误差达到预设值时停止更新，得到训练好的神经网络；

4)检测网络的可靠性

将测试样本对3)中的神经网络进行测试，验证网络输出与高频结构仿真HFSS的结果是否一致，并计算知识神经网络的相关系数来判断神经网络的可靠性；

第二步：优化设计

1)随机生成初始种群，作为知识神经网络的输入，通过知识神经网络得到相应的输出；

2)优化过程中，根据设计指标设定对应的适应度函数；假设设计指标在fi(i＝1,2,…)处要求的S21幅值分别为si(i＝1,2,…)，那么适应度函数为Fit＝min(Σβi|yi-si|)

其中，yi为fi(i＝1,2,…)处知识神经网络的输出，βi为对应频率点处所选择的权重；

3)通过粒子群算法更新初始种群，找到满足适应度函数的最优解；

4)将3)中得到的最优解带入HFSS中验证是否满足设计指标。

2.如权利要求1所述的基于ADS的知识神经网络微带滤波器设计方法，其特征在于，对微带高低阻抗滤波器进行优化设计时，所构建的知识神经网络隐层神经元为7个。

3.如权利要求1所述的基于ADS的知识神经网络微带滤波器设计方法，其特征在于，对微带发卡带通滤波器进行优化设计时，所构建的知识神经网络隐层神经元为5个。

4.如权利要求1或2或3所述的基于ADS的知识神经网络微带滤波器设计方法，其特征在于，所述第一步的步骤3)中粒子群算法中，速度与位置的更新公式为：式中，c1和c2为学习因子；rand()为介于(0,1)的随机数； 和 分别为粒子i在k次迭代中第d维的速度和位置； 为粒子i在第d维的个体极值的位置； 为群体在第d维的全局极值的位置。

5.如权利要求4所述的基于ADS的知识神经网络微带滤波器设计方法，其特征在于，其中c1＝2.8，c2＝1.3。